Menú
Solicitar información
Solicitar información

Diplomado en Inteligencia Artificial

Aplicar ahora

Información de la especialidad

Aprende a usar la IA Generativa y a diseñar soluciones de IA orientadas a problemas reales, con énfasis en seguridad, ética y

buenas prácticas. Esta especialidad integra dos cursos con certificaciones internacionales (Pearson Education / Certiport), todo en

modalidad autoestudio 100% en línea y con licencia de 1 año por cada curso para completar los contenidos, el simulador y los

exámenes.

Curso

Descripción

Precio

Generative AI Foundations

Propósito: Desarrollar fundamentos de IA Generativa, usos personales/profesionales y pautas de uso responsable.
Enfoques principales: fundamentos y procesos de generación, prompting para texto/imagen/video, refinamiento de prompts, verificación de resultados y ética, ley y privacidad.
Carga estimada: Ritmo autoestudio (según dedicación del estudiante).
Componentes: Contenido online + práctica guiada + simulador + examen de certificación.

Mapa de contenidos

Módulo 1 : Fundamentos de IA Generativa

  • ¿Qué es la IA generativa? Comparación con IA predictiva/discriminativa/analítica/estadística y con motores de búsqueda.
  • Procesos básicos de salida: entrenamiento de modelos, LLMs y sus datos; datasets con múltiples opiniones y puntos de vista; entrenamiento de modelos de imagen (pares texto–imagen); consumo energético y uso de GPUs.
  • Tipos de modelos y vocabulario clave: transformers, difusión, GANs, VAEs; redes neuronales, CNN, tokenización, ruido, hiperparámetros, dataset.
  • Entradas y salidas: entradas (texto, audio, video, imágenes) y salidas (texto, imagen, audio, video); diferencias entre herramientas.
  • Personalización: apps autocontenidas (p. ej., Custom GPT, Google Gems, Microsoft Copilots) para tareas específicas.
  • Selección de herramientas: Microsoft Copilot, Google Gemini, MetaGPT, Adobe Express, Canva, OpenAI ChatGPT, Claude, Microsoft Azure AI Studio, Stable Diffusion; criterios (propósito, facilidad de uso, costo, soporte/actualizaciones, privacidad/seguridad, calidad, personalización y parámetros de control de salida).
  • Limitaciones: salidas no siempre confiables; sesgos, desinformación y alucinaciones; necesidad de cómputo y acceso a datos; uso de conversaciones para entrenamiento (si no se activa privacidad); ausencia de estándares universales; inconsistencia; cambios rápidos que pueden volver obsoletas prácticas previas.

Módulo 2: Prompt Engineering básico

  • Prompts para texto: recopilación de contenido, resumen, creación/ideación.
  • Transformación de contenido: reformateo para requisitos, edición/corrección, visualización, cambio de tipo de medio (texto↔audio↔imagen↔video), traducción y personalización didáctica.
  • Prompts para imagen: creación con propósito, exploración artística, transformación, descripción de imágenes.
  • Prompts para video: añadir movimiento a imágenes, interpolación entre imágenes, colorización de material B/N, generación de video desde prompt, avatares que leen guion, añadir/eliminar objetos, subtitulado automático.

Módulo 3: Refinamiento de prompts

  • Mejorar un prompt a partir de la salida obtenida: especificidad adecuada, claridad (evitar abreviaturas), no asumir conocimiento; estilo/tono (guías de estilo); definición de persona/rol; contexto explícito.
  • Aportes adicionales: few‑shot prompting, glosarios para traducción, plantillas, documentos de apoyo, historial de conversación en el mismo hilo.
  • Técnicas comunes: zero‑shot, few‑shot, chain‑of‑thought, self‑consistency, generate‑knowledge, prompt chaining.
  • Prompt inverso y verificación de exactitud: aplicar reverse prompting; verificación con hechos históricos/actuales y con datos numéricos.

Módulo 4: Ética, ley e impacto social

  • Sesgos y guardrails: sesgos en datos de entrenamiento; diferencias entre modelos; guardrails del creador (algunas herramientas permiten activarlos/desactivarlos); sesgo inducido por el prompt; sesgos comunes (género, raza, discapacidad, edad, religión, cultura, idioma, nacionalidad, estatus económico); potencial de propagación del sesgo.
  • Implicaciones legales: respeto a propiedad intelectual; riesgos por uso inapropiado de contenido generado; necesidad de transparencia y documentación del proceso.
  • Privacidad de datos: uso potencial de PII en entrenamiento; riesgo de robo de identidad; políticas internas para evitar filtraciones; opciones de opt‑out para contenido humano.
  • Riesgos y responsabilidades: necesidad de supervisión humana; responsabilidad por lo creado; usos peligrosos (deepfakes, fraude, acoso); posibles repercusiones legales y financieras.
  • Impacto social:
    • Negativos: reducción de interacción humana, pérdida de motivación por sobre‑dependencia, manipulación de opinión pública, temor a pérdida de empleos, desigualdad de acceso.
    • Positivos: eficiencia en el trabajo y la vida diaria, mejor comunicación (incluida la traducción), aprendizaje más efectivo, creatividad/brainstorming, organización personal, análisis de patrones, nuevas oportunidades laborales.

Resultado: Preparación para el examen Generative AI Foundations (Certiport).

Q900.00

Incluye Evaluación de

Certificación.

Curso

Descripción

Precio

IT Specialist — Artificial Intelligence (ITS AI)

Propósito: Preparar al estudiante para resolver problemas con IA en un entorno profesional, desde la definición del problema y la gestión de datos hasta la evaluación, despliegue y monitoreo del modelo, integrando seguridad y ética.
Duración de curso en XED: ≈ 22 horas, más simulador y examen (en línea)..
Componentes: Contenido online en español + simulador + examen de certificación.

Mapa de contenidos

Módulo 1: Definición y análisis del problema (AI Problem Definition)

  • Identificar el problema y la viabilidad de IA: necesidad a cubrir, entradas/salidas esperadas, cuándo aplicar IA, pros y contras, criterios de éxito medibles y riesgos de dominio/organización.
  • Clasificar el problema: revisar si los datos están etiquetados o no y tipificarlo como clasificación, regresión, no supervisado o por refuerzo.
  • Definir la experticia requerida: negocio, expertos de dominio, especialistas en IA y en implementación.
  • Plan de seguridad: permisos/accesos, seguridad de infraestructura y superficies de ataque (p. ej., ataques adversarios en aprendizaje en tiempo real).
  • Uso apropiado: posibles mispredicciones o daños a grupos; guías de recolección y uso de datos; criterios de selección de algoritmos desde la perspectiva del usuario; interpretabilidad y uso fuera de contexto.
  • Transparencia y validación: propósito de recolección, quién puede ver resultados y revisión de requisitos legales del sector.

Módulo 2: Datos: recolección, procesamiento e ingeniería de características

  • Estrategia de recolección: tipo/características de datos; dataset existente vs. generar uno nuevo; captura automatizada o con entrada de usuario.
  • Calidad y representatividad: evaluar faltantes/corrupción; revisar sesgos de recolección; asegurar volumen suficiente.
  • Recursos y complejidad: cómputo, tiempo y presupuesto.
  • Formateo y transformación: convertir datos al formato adecuado (imágenes→píxeles; texto→tokens) y crear features útiles.
  • Selección de características: elegir features, construir vectores iniciales para train/test y validar con expertos de dominio.
  • Ingeniería de características: aplicar transformaciones estándar y generar datasets procesados.
  • Partición y documentación: separar entrenamiento/prueba garantizando representatividad; documentar supuestos y restricciones con transparencia para reguladores/usuarios.

Módulo 3: Algoritmos y modelos

  • Seleccionar familias de algoritmos: evaluar alternativas (redes neuronales, árboles de decisión, k-means, etc.).
  • Entrenamiento y tuning: comenzar con parámetros base, ajustar, medir desempeño e iterar.
  • Elegir el modelo final: considerar costo, velocidad y explicabilidad para evitar sobre-ingeniería.
  • Data storytelling: visualizaciones, detección de tendencias y utilidad para la decisión.
  • Evaluación del desempeño: exactitud/precisión, overfitting/underfitting, KPIs y validación con datos no vistos.
  • Sesgo y sensibilidad: verificar similitud entre inputs y entrenamiento, correlaciones irrelevantes, desbalances; importancia de features; pruebas de sensibilidad y especificidad.
  • Cumplimiento y aprobación: evaluar contra umbrales regulatorios, documentar y obtener aprobación de stakeholders.

Módulo 4: Integración y despliegue en aplicaciones

  • Formación a usuarios: limitaciones, uso previsto, documentación y manejo de expectativas.
  • Riesgos en producción: tipos de incidentes, indicadores y mitigaciones.
  • Pipeline de producción: pipeline entrenamiento/predicción alineado al producto; conexión a datastores y a la app; mecanismo de feedback; pruebas de exactitud, robustez y velocidad; escalado al caso de uso (incl. móvil).
  • Soporte y mantenimiento inicial: documentación para mantenimiento, capacitación del equipo de soporte, feedback continuo, detector de drift y recolección de nuevos datos.

Módulo 5: Mantenimiento y monitoreo en producción

  • Supervisión continua: logging para seguridad/depuración/auditoría; monitoreo robusto; reacción ante alertas; observación de drift y degradación; detección de fallas con nueva información.
  • Impacto de negocio (KPIs): seguimiento de métricas de impacto, comparación antes/después y corrección de métricas inesperadas.
  • Impacto social: efectos en subgrupos, mitigación y optimización.
  • Feedback de usuarios: satisfacción, confusión/entendimiento del propósito y retroalimentación a nuevas versiones.
  • Mejora o retiro: combinar señales de negocio, comunidad y tendencias tecnológicas para decidir reentrenar, continuar o desincorporar.

Resultado: Preparación para el examen ITS — Artificial Intelligence (Certiport).

Q900.00

Incluye Evaluación de

Certificación.

 

Requerimientos Técnicos

Esta es una lista de los requisitos básicos del sistema para utilizar Escolaris. Siempre se recomienda utilizar las versiones más recientes y las mejores conexiones. Aun así, Escolaris funcionará con las especificaciones mínimas, pero puede experimentar tiempos de carga más lentos.

Escolaris y su infraestructura de alojamiento fueron diseñados para una compatibilidad máxima y requisitos mínimos.

Tamaño de pantalla
  • Escolaris se ve mejor con un mínimo de 800×600, el cual es el tamaño promedio para una notebook. Si quiere ver Escolaris en un aparato con una pantalla más pequeña, le recomendamos usar la aplicación móvil de Escolaris.
Sistemas operativos
Soporte para App Nativa de Sistema Operativo Móvil
  • iOS 11 y más nuevos (las versiones varían según el dispositivo).
  • Android 8 y más nuevos.
Velocidad de computadora y procesador
  • Use una computadora de 5 años de antigüedad o de modelo más reciente si es posible.
  • 2GB de RAM.
  • Procesador de 1.8GHZ.
Velocidad de Internet
  • Escolaris ha sido cuidadosamente diseñado no sólo para tener compatibilidad y cumplir con los estándares web, sino para adaptarse a los bajos entornos de ancho de banda.
  • Mínimo de 1 Mbps.
Lectores de pantalla
  • Macintosh: VoiceOver. (la última versión para Safari).
  • PC: JAWS. (la última versión para Internet Explorer).
  • PC: NVDA. (la última versión para Firefox).
  • No hay soporte para los lectores de pantalla para Escolaris en Chrome.
 
REQUERIMIENTOS TÉCNICOS PLATAFORMA CODE AVENGERS

Aspectos importantes para considerar

Code Avengers es una plataforma de aprendizaje en línea, que se ejecuta en un navegador web y no necesita instalar ningún tipo de software.

A continuación, encontrará algunos aspectos técnicos a considerar para tener una buena experiencia usando esta plataforma:

Requerimientos Mínimos
  • Debe disponer de una conexión a Internet estable y constante, con un mínimo de 3 Mbps.
  • Se recomienda usar Google Chrome o Firefox ya que su funcionamiento es mucho mejor en cualquiera de estos navegadores web.
  • Los cursos de coding o programación en la plataforma requieren del uso de un teclado (Keyboard)= y un ratón (Mouse).
  • Esta plataforma funciona también en iPads con iOS versión 10 o superior, también funciona en un rango amplio de tablets con Sistema Android.
  • Code Avengers suporta una resolución de pantalla mínima de 1024 x 768 pixeles (algunas partes de la interfaz serán difíciles de utilizar en pantallas más pequeñas).
  • Se recomienda ajustar el zoom del navegador al 100% para experimentar una experiencia aceptable.

Diplomado en Inteligencia Artificial

Mi carrito
El carrito está vacío.

Parece que aún no te has decidido.

¿Tienes un código de descuento?
Envíos
TotalQ0.00
El carrito está vacío. Compra ya